主要内容GydF4y2Ba

Ecmmvnrstd.GydF4y2Ba

评估多元正常回归模型的标准误差GydF4y2Ba

页面上倒塌GydF4y2Ba

句法GydF4y2Ba

[stdparameters，stdcovariance] = ecmmvnrstd（数据，设计，协方差）GydF4y2Ba
[stdparameters，stdcovariance] = ecmmvnrstd（GydF4y2Ba___GydF4y2Ba，方法，covarformat）GydF4y2Ba

描述GydF4y2Ba

例子GydF4y2Ba

[GydF4y2BaStdParameters.GydF4y2Ba那GydF4y2Bastdcovariance.GydF4y2Ba] = ECMMVNRSTD（GydF4y2Ba数据GydF4y2Ba那GydF4y2Ba设计GydF4y2Ba那GydF4y2Ba协方差GydF4y2Ba）GydF4y2Ba使用缺失数据评估多元正常回归模型的标准错误。该模型具有表单GydF4y2Ba

D.GydF4y2Ba 一种GydF4y2Ba T.GydF4y2Ba 一种GydF4y2Ba K.GydF4y2Ba 〜GydF4y2Ba NGydF4y2Ba （GydF4y2Ba D.GydF4y2Ba E.GydF4y2Ba S.GydF4y2Ba 一世GydF4y2Ba GGydF4y2Ba NGydF4y2Ba K.GydF4y2Ba ×GydF4y2Ba P.GydF4y2Ba 一种GydF4y2Ba R.GydF4y2Ba 一种GydF4y2Ba mGydF4y2Ba E.GydF4y2Ba T.GydF4y2Ba E.GydF4y2Ba R.GydF4y2Ba S.GydF4y2Ba 那GydF4y2Ba CGydF4y2Ba O.GydF4y2Ba V.GydF4y2Ba 一种GydF4y2Ba R.GydF4y2Ba 一世GydF4y2Ba 一种GydF4y2Ba NGydF4y2Ba CGydF4y2Ba E.GydF4y2Ba ）GydF4y2Ba

对于样品GydF4y2BaK.GydF4y2Ba= 1，......，GydF4y2Banumsamples.GydF4y2Ba。GydF4y2Ba

例子GydF4y2Ba

[GydF4y2BaStdParameters.GydF4y2Ba那GydF4y2Bastdcovariance.GydF4y2Ba] = ECMMVNRSTD（GydF4y2Ba___GydF4y2Ba那GydF4y2Ba方法GydF4y2Ba那GydF4y2BacovarformatGydF4y2Ba）GydF4y2Ba添加一个可选的参数GydF4y2Ba方法GydF4y2Ba和GydF4y2BacovarformatGydF4y2Ba。GydF4y2Ba

例子GydF4y2Ba

全部收缩GydF4y2Ba

打开直播脚本GydF4y2Ba

此示例显示如何计算多元正常回归模型的标准错误。GydF4y2Ba

首先，来自MAT文件的十二个股票的加载日期，总回报和Ticker符号。GydF4y2Ba

加载GydF4y2BaCapmuniverse.GydF4y2Ba谁是GydF4y2Ba资产GydF4y2Ba数据GydF4y2Ba日期GydF4y2Ba
名称大小字节类属性资产资产1x14 1568单元数据1471x14 164752 Double Dates 1471x1 11768 DoubleGydF4y2Ba
日期= datetime（日期，GydF4y2Ba'vectormfrom'GydF4y2Ba那GydF4y2Ba'数据内容'GydF4y2Ba）;GydF4y2Ba

该模型中的资产具有以下符号，最后两个系列是市场的代理和无风险资产。GydF4y2Ba

资产（1:14）GydF4y2Ba
ans =.GydF4y2Ba1x14细胞GydF4y2Ba列1到6 {'aapl'} {'aapl'} {'amzn'} {'csco'} {'csco'} {'戴尔'} {'eBay'} {'goog'}列7到12 {'hpq'} {'ibm'} {'INTC'} {'msft'} {'orcl'} {'yhoo'}列13到14 {'market'} {'cash'}GydF4y2Ba

该数据涵盖了2000年1月1日至2005年11月7日，每日总回报率为2000年11月7日。这个宇宙中的两股股票具有缺失的值GydF4y2Ba南GydF4y2Bas。两股股票之一在此期间有一个IPO，因此，数据比其他股票的数据显着较低。GydF4y2Ba

[均值，协方差] = ECMNMLE（数据）;GydF4y2Ba

计算每股的单独回归，其中具有缺失数据的股票具有反映其降低的可观察性的估计。GydF4y2Ba

[numsamples，numseries] =大小（数据）;numasset = numseries  -  2;startdate =日期（1）;enddate =日期（结束）;alpha = nan（1，长度（numasset））;β= NaN（1，长度（NUMASET））;Sigma = NaN（1，长度（NUMASET））;Stdalpha = NaN（1，长度（NUMASET））;stdbeta = nan（1，长度（numasset））;stdsigma = nan（1，长度（numasset））;GydF4y2Ba为了GydF4y2Ba我= 1：numassetGydF4y2Ba％设置单独的资产数据和设计矩阵GydF4y2Batestdata = zeros（numsamples，1）;testdesign = zeros（numsamples，2）;testdata（:) =数据（：，i） - 数据（：，14）;testdesign（：，1）= 1.0;testDesign（:,2）=数据（：，13） - 数据（：，14）;[param，covar] = ecmmvnrmle（testdata，testdesign）;GydF4y2Ba％估计每个资产的模型参数的样本标准误差。GydF4y2Bastdparam = ecmmvnrstd（testdata，testdesign，covar，GydF4y2Ba'赫索安'GydF4y2Ba）GydF4y2Ba结尾GydF4y2Ba
stdparam =GydF4y2Ba2×1GydF4y2Ba0.0008 0.0715.GydF4y2Ba
stdparam =GydF4y2Ba2×1GydF4y2Ba0.0012 0.1000.GydF4y2Ba
stdparam =GydF4y2Ba2×1GydF4y2Ba0.0008 0.0663GydF4y2Ba
stdparam =GydF4y2Ba2×1GydF4y2Ba0.0007 0.0567GydF4y2Ba
stdparam =GydF4y2Ba2×1GydF4y2Ba0.0010 0.0836.GydF4y2Ba
stdparam =GydF4y2Ba2×1GydF4y2Ba0.0014 0.2159GydF4y2Ba
stdparam =GydF4y2Ba2×1GydF4y2Ba0.0007 0.0567GydF4y2Ba
stdparam =GydF4y2Ba2×1GydF4y2Ba0.0004 0.0376GydF4y2Ba
stdparam =GydF4y2Ba2×1GydF4y2Ba0.0007 0.0585GydF4y2Ba
stdparam =GydF4y2Ba2×1GydF4y2Ba0.0005 0.0429GydF4y2Ba
stdparam =GydF4y2Ba2×1GydF4y2Ba0.0008 0.0709GydF4y2Ba
stdparam =GydF4y2Ba2×1GydF4y2Ba0.0010 0.0853GydF4y2Ba

输入参数GydF4y2Ba

全部收缩GydF4y2Ba

数据，指定为GydF4y2Banumsamples.GydF4y2Ba-经过-GydF4y2Banumseries.GydF4y2Ba矩阵与GydF4y2Banumsamples.GydF4y2Ba样品A.GydF4y2Banumseries.GydF4y2Ba- 类随机向量。缺少值表示GydF4y2Ba南GydF4y2Bas。只有完全的样品GydF4y2Ba南GydF4y2Bas被忽略了。（忽略至少一个的样本GydF4y2Ba南GydF4y2Ba， 用GydF4y2Bamvnrmle.GydF4y2Ba。）GydF4y2Ba

数据类型：GydF4y2Ba双倍的GydF4y2Ba

设计模型，指定为处理两个模型结构的矩阵或单元格数组：GydF4y2Ba

  • 如果GydF4y2Banumseries = 1GydF4y2Ba那GydF4y2Ba设计GydF4y2Ba是A.GydF4y2Banumsamples.GydF4y2Ba-经过-GydF4y2Banumparams.GydF4y2Ba具有已知值的矩阵。这种结构是单一系列回归的标准形式。GydF4y2Ba

  • 如果GydF4y2Banumseries.GydF4y2Ba≥GydF4y2Ba1GydF4y2Ba那GydF4y2Ba设计GydF4y2Ba是一个小区阵列。单元阵列包含一个或一个GydF4y2Banumsamples.GydF4y2Ba细胞。每个细胞包含一个GydF4y2Banumseries.GydF4y2Ba-经过-GydF4y2Banumparams.GydF4y2Ba已知值的矩阵。GydF4y2Ba

    如果GydF4y2Ba设计GydF4y2Ba有一个细胞，假设具有相同的GydF4y2Ba设计GydF4y2Ba每个样本的矩阵。如果GydF4y2Ba设计GydF4y2Ba具有多个细胞，每个细胞包含一个GydF4y2Ba设计GydF4y2Ba每个样本的矩阵。GydF4y2Ba

数据类型：GydF4y2Ba双倍的GydF4y2Ba|GydF4y2Ba细胞GydF4y2Ba

估计回归残余的协方差，指定为一个GydF4y2Banumseries.GydF4y2Ba-经过-GydF4y2Banumseries.GydF4y2Ba矩阵。GydF4y2Ba

数据类型：GydF4y2Ba双倍的GydF4y2Ba

（可选）信息矩阵的计算方法，指定为字符向量定义为：GydF4y2Ba

  • '赫索安'GydF4y2Ba- 观察到的日志似然函数的预期Hessian矩阵。建议使用该方法，因为所得标准错误包含由于缺失数据而增加的不确定性。GydF4y2Ba

  • “渔业”GydF4y2Ba- Fisher信息矩阵。GydF4y2Ba

    笔记GydF4y2Ba

    如果GydF4y2Ba方法GydF4y2Ba=GydF4y2Ba“渔业”GydF4y2Ba，为了在没有协方差估计的标准错误的情况下，更快地获得更快的方差估计的标准误差GydF4y2BacovarformatGydF4y2Ba=GydF4y2Ba'对角线'GydF4y2Ba无论协方差矩阵的形式。GydF4y2Ba

数据类型：GydF4y2BacharGydF4y2Ba

（可选）Covariance矩阵的格式，指定为字符向量。选择是：GydF4y2Ba

  • '满的'GydF4y2Ba- 计算完整的协方差矩阵。GydF4y2Ba

  • '对角线'GydF4y2Ba- 强制协方差矩阵是对角线矩阵。GydF4y2Ba

数据类型：GydF4y2BacharGydF4y2Ba

输出参数GydF4y2Ba

全部收缩GydF4y2Ba

每个元素的标准错误GydF4y2Ba参数GydF4y2Ba，返回一个GydF4y2Banumparams.GydF4y2Ba-经过-GydF4y2Ba1GydF4y2Ba柱矢量。GydF4y2Ba

每个元素的标准错误GydF4y2Ba协方差GydF4y2Ba，返回一个GydF4y2Banumseries.GydF4y2Ba-经过-GydF4y2Banumseries.GydF4y2Ba矩阵。GydF4y2Ba

参考GydF4y2Ba

[1] Little，Roderick J. A.和Donald B. Rubin。GydF4y2Ba缺失数据的统计分析。GydF4y2Ba第2版​​。John Wiley＆Sons，Inc。，2002年。GydF4y2Ba

也可以看看GydF4y2Ba

话题GydF4y2Ba

在R2006A介绍GydF4y2Ba

金融工具箱文档GydF4y2Ba

金宝app

用Matlab建模财务风险的实用指南GydF4y2Ba

用Matlab建模财务风险的实用指南GydF4y2Ba

下载电子书GydF4y2Ba